| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-24页 |
| ·引言 | 第12页 |
| ·人脸检测面临的挑战 | 第12-13页 |
| ·人脸检测发展与研究现状 | 第13-20页 |
| ·人脸检测算法性能指标 | 第20-21页 |
| ·人脸图像数据库 | 第21-22页 |
| ·本文的研究内容与结构 | 第22-24页 |
| 第二章 神经网络基础 | 第24-34页 |
| ·引言 | 第24-25页 |
| ·神经网络的基本机理和结构 | 第25-28页 |
| ·神经网络的模型 | 第25-26页 |
| ·神经网络的结构 | 第26-28页 |
| ·神经网络的应用 | 第28-29页 |
| ·神经网络学习算法 | 第29页 |
| ·BP神经网络 | 第29-33页 |
| ·BP神经网络模型 | 第29-30页 |
| ·BP学习算法 | 第30-33页 |
| ·BP学习算法实现步骤 | 第33页 |
| ·本章总结 | 第33-34页 |
| 第三章 基于神经网络的人脸检测算法 | 第34-49页 |
| ·训练样本预处理 | 第34-39页 |
| ·样本来源 | 第34-35页 |
| ·预处理 | 第35-38页 |
| ·主成分分析(PCA) | 第38-39页 |
| ·基于BPNN的人脸检测具体实现 | 第39-41页 |
| ·BP神经网络算法概述 | 第39-40页 |
| ·人脸检测系统总体框架 | 第40-41页 |
| ·网络的训练和人脸检测 | 第41-47页 |
| ·样本的选取及预处理 | 第41页 |
| ·网络的结构设计 | 第41-43页 |
| ·训练方法 | 第43-45页 |
| ·人脸的检测过程 | 第45-47页 |
| ·检测结果 | 第47-48页 |
| ·本章总结 | 第48-49页 |
| 第四章 基于PSO的神经网络优化方法 | 第49-66页 |
| ·标准粒子群优化算法 | 第49-52页 |
| ·原始粒子群优化算法(PSO) | 第49-50页 |
| ·标准粒子群优化算法 | 第50-51页 |
| ·粒子群优化算法的优点 | 第51-52页 |
| ·粒子群优化算法存在的问题 | 第52页 |
| ·基于QPSO的BP神经网络优化 | 第52-59页 |
| ·量子粒子群优化算法(QPSO) | 第53-54页 |
| ·基于QPSO的BP改进算法 | 第54-55页 |
| ·基于改进BP学习算法的人脸检测 | 第55-59页 |
| ·APSO对BP网络的改进及在人脸检测中的应用研究 | 第59-65页 |
| ·自适应粒子群优化算法 | 第59-61页 |
| ·APSO算法测试结果及分析 | 第61-63页 |
| ·APSO在人脸检测中的应用 | 第63-65页 |
| ·本章总结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| ·总结 | 第66页 |
| ·展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间参与的科研项目 | 第72-73页 |
| 攻读硕士学位期间发表的论文 | 第73页 |